영상처리 Report

Week2

영상의 입출력

영상 입출력 코드

• 지정한 컬러 영상 파일을 회색조(grayscale) 형태로 읽어서 화면에 출력
• bmp 및 jpg로 저장을 수행
  • .bmp는 미압축, 미가공 파일로 파일 크기가 큰 고품질 이미지 파일 포맷
  • .jpg는 손실 압축 방법으로 매우 높은 해상도의 이미지를 처리할 때 품질이 저하될 수 있음

# 초기화
import cv2
from matplotlib import pyplot as plt
import numpy as np

def plt_show(title, path):
    plt.axis('off')
    plt.imshow(path)
    plt.title(title)
    plt.show()

if __name__ == '__main__':
    img = cv2.imread('./images/Lenna.jpg', cv2.IMREAD_GRAYSCALE)
    img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    plt_show('Image', img)
    cv2.imwrite('Lena_1.bmp', img)
    cv2.imwrite('Lena_2.jpg', img)
    

영상 불러오기 imread 함수

• 래스터 그래픽 영상 파일 형식들을 메모리로 읽어들임
• 파일 시그니처(file signature)를 읽어 적절한 코덱을 결정하고, 압축 해제된 영상 데이터 구조에 필요한 메모리 할당과 같은 복잡한 작업들을 처리
• 확장자가 아닌 파일 시그니처를 읽어 파일의 포맷을 분석

---

• 함수명 : cv2.imread(fileName, flags)
• 매개변수
  • fileName (str) : 읽어들일 영상 파일의 경로(상대 경로 또는 절대 경로 이용)
  • flags (int) : 영상 파일을 읽을 때 옵션
    • cv2.IMREAD_COLOR : 컬러로 읽어 들이기 (3채널 BGR 영상) (1)
    • cv2.IMREAD_GRAYSCALE : 회색조로 읽어 들이기 (0)
    • cv2.IMREAD_UNCHANGED : alpha channel까지 포함하여 읽기 (-1)
    • cv2.IMREAD_UNCHANGED : alpha channel까지 포함하여 읽기 (-1)
    • cv2.IMREAD_REDUCED_GRAYSCALE_2 : 1채널 ½크기 grayscale 영상
    • cv2.IMREAD_REDUCED_GRAYSCALE_4 : 1채널 1/4크기 grayscale 영상
    • cv2.IMREAD_REDUCED_GRAYSCALE_8 : 1채널 1/8크기 grayscale 영상
    • cv2.IMREAD_REDUCED_COLOR_2 : 3채널 1/2크기 BGR영상
    • cv2.IMREAD_REDUCED_COLOR_4 : 3채널 1/4크기 BGR영상
    • cv2.IMREAD_REDUCED_COLOR_8 : 3채널 1/8크기 BGR영상
• 리턴값 : image 객체 행렬 (numpy.ndarray)

if __name__ == '__main__':
    # cv2.IMREAD_COLOR: 컬러로 읽어 들이기 (3채널 BGR 영상) (1)
    IMREAD_COLOR = cv2.imread('./images/Lenna.jpg', cv2.IMREAD_COLOR)
    IMREAD_COLOR = cv2.cvtColor(IMREAD_COLOR, cv2.COLOR_BGR2RGB)
    plt_show('IMREAD_COLOR', IMREAD_COLOR)
    # cv2.IMREAD_GRAYSCALE: 회색조로 읽어 들이기 (0)
    IMREAD_GRAYSCALE = cv2.imread('./images/Lenna.jpg', cv2.IMREAD_GRAYSCALE)
    IMREAD_GRAYSCALE = cv2.cvtColor(IMREAD_GRAYSCALE, cv2.COLOR_BGR2RGB)
    plt_show('IMREAD_GRAYSCALE', IMREAD_GRAYSCALE)
    # cv2.IMREAD_UNCHANGED: alpha channel까지 포함하여 읽기 (-1)
    IMREAD_UNCHANGED = cv2.imread('./images/Lenna.jpg', cv2.IMREAD_UNCHANGED)
    IMREAD_UNCHANGED = cv2.cvtColor(IMREAD_UNCHANGED, cv2.COLOR_BGR2RGB)
    plt_show('IMREAD_UNCHANGED', IMREAD_UNCHANGED)
    # cv2.IMREAD_REDUCED_GRAYSCALE_2: 1채널 ½크기 grayscale 영상
    IMREAD_REDUCED_GRAYSCALE_2 = cv2.imread('./images/Lenna.jpg', cv2.IMREAD_REDUCED_GRAYSCALE_2)
    IMREAD_REDUCED_GRAYSCALE_2 = cv2.cvtColor(IMREAD_REDUCED_GRAYSCALE_2, cv2.COLOR_BGR2RGB)
    plt_show('IMREAD_REDUCED_GRAYSCALE_2', IMREAD_REDUCED_GRAYSCALE_2)
    # cv2.IMREAD_REDUCED_GRAYSCALE_4: 1채널 1/4크기 grayscale 영상
    IMREAD_REDUCED_GRAYSCALE_4 = cv2.imread('./images/Lenna.jpg', cv2.IMREAD_REDUCED_GRAYSCALE_4)
    IMREAD_REDUCED_GRAYSCALE_4 = cv2.cvtColor(IMREAD_REDUCED_GRAYSCALE_4, cv2.COLOR_BGR2RGB)
    plt_show('IMREAD_REDUCED_GRAYSCALE_4', IMREAD_REDUCED_GRAYSCALE_4)
    # cv2.IMREAD_REDUCED_GRAYSCALE_8: 1채널 1/8크기 grayscale 영상
    IMREAD_REDUCED_GRAYSCALE_8 = cv2.imread('./images/Lenna.jpg', cv2.IMREAD_REDUCED_GRAYSCALE_8)
    IMREAD_REDUCED_GRAYSCALE_8 = cv2.cvtColor(IMREAD_REDUCED_GRAYSCALE_8, cv2.COLOR_BGR2RGB)
    plt_show('IMREAD_REDUCED_GRAYSCALE_8', IMREAD_REDUCED_GRAYSCALE_8)
    # cv2.IMREAD_REDUCED_COLOR_2: 3채널 1/2크기 BGR영상
    IMREAD_REDUCED_COLOR_2 = cv2.imread('./images/Lenna.jpg', cv2.IMREAD_REDUCED_COLOR_2)
    IMREAD_REDUCED_COLOR_2 = cv2.cvtColor(IMREAD_REDUCED_COLOR_2, cv2.COLOR_BGR2RGB)
    plt_show('IMREAD_REDUCED_COLOR_2', IMREAD_REDUCED_COLOR_2)
    # cv2.IMREAD_REDUCED_COLOR_4: 3채널 1/4크기 BGR영상
    IMREAD_REDUCED_COLOR_4 = cv2.imread('./images/Lenna.jpg', cv2.IMREAD_REDUCED_COLOR_4)
    IMREAD_REDUCED_COLOR_4 = cv2.cvtColor(IMREAD_REDUCED_COLOR_4, cv2.COLOR_BGR2RGB)
    plt_show('IMREAD_REDUCED_COLOR_4', IMREAD_REDUCED_COLOR_4)
    # cv2.IMREAD_REDUCED_COLOR_8: 3채널 1/8크기 BGR영상
    IMREAD_REDUCED_COLOR_8 = cv2.imread('./images/Lenna.jpg', cv2.IMREAD_REDUCED_COLOR_8)
    IMREAD_REDUCED_COLOR_8 = cv2.cvtColor(IMREAD_REDUCED_COLOR_8, cv2.COLOR_BGR2RGB)
    plt_show('IMREAD_REDUCED_COLOR_8', IMREAD_REDUCED_COLOR_8)

영상 저장 imwrite 함수

• 영상을 레스터 그래픽 영상 파일 형식으로 저장함
• 저장하는 파일의 형식은 파일 확장자에 따라서 결정됨
  • .jpg / .bmp / .png

• 함수명 : cv2.imwrite(fileName, image, flags)
• 매개변수
  • fileName (str) : 저장할 영상 파일의 경로(상대 경로 또는 절대 경로 이용)
  • image (numpy.ndarray) : 저장할 영상 데이터
  • flags (int) : 영상 파일을 저장할 때 옵션
• 리턴값 : True 또는 False (bool)

if __name__ == '__main__':
    img = cv2.imread('./images/cameraman.jpg', cv2.IMREAD_UNCHANGED)
    cv2.imwrite('./output/cameraman.jpg', img)
    cv2.imwrite('./output/cameraman.bmp', img)
    cv2.imwrite('./output/cameraman.png', img)
    jpg_img = cv2.imread('./output/cameraman.jpg', cv2.IMREAD_UNCHANGED)
    plt_show('jpg_img', jpg_img)
    bmp_img = cv2.imread('./output/cameraman.bmp', cv2.IMREAD_UNCHANGED)
    plt_show('bmp_img', bmp_img)
    png_img = cv2.imread('./output/cameraman.png', cv2.IMREAD_UNCHANGED)
    plt_show('png_img', png_img)

libpng warning: iCCP: profile 'icc': 0h: PCS illuminant is not D50

영상 화면 출력 imshow 함수

• 영상을 지정한 윈도우에 출력

• "윈도우 이름"에 따라서 출력되는 윈도우가 결정

  일치하는 윈도우 이름이 없으면 새로운 윈도우를 생성하여 출력

• 함수명 : cv2.imshow(window_name, image)
• 매개변수
  • window_name (str) : 윈도우 창의 Title 내용
  • image (numpy.ndarray) : 출력할 영상 데이터
• 리턴값 : N/A

if __name__ == '__main__':
    img = cv2.imread('./images/Lenna.jpg', cv2.IMREAD_GRAYSCALE)
    cv2.imshow("image", img)
    cv2.waitKey(0)

영상정보 출력

• 입력 영상에 대한 넓이, 높이 채널 수 정보 출력

if __name__ == '__main__':
    # color image
    img = cv2.imread('./images/Lenna.jpg', cv2.IMREAD_UNCHANGED)
    h, w, c = img.shape
    print(f'height : {h}, width : {w}, channel : {c}')

    #grayscale image
    img = cv2.imread('./images/Lenna.jpg', cv2.IMREAD_GRAYSCALE)
    h, w = img.shape
    print(f'height : {h}, width : {w}')

height : 512, width : 512, channel : 3
height : 512, width : 512

waitkey 함수

• 지정된 시간 동안 사용자가 키를 입력할 때까지 프로그램을 대기
• 대기하는 시간은 밀리 초(milliseconds) 단위로서 1,000이 1초에 해당

• 함수명 : `cv2.waitKey(delay)
• 매개변수
  • delay (int) : 대기할 시간 (밀리 초 단위) delay가 0보다 작거나 같은 경우 무한 (infinite) 대기를 위미
• 리턴값 : 사용자가 입력한 키 값 (int)

img = cv2.imread('./images/Lenna.jpg', cv2.IMREAD_UNCHANGED)
cv2.imshow('Image', img)

# cv2.waitKey(1000)
key = cv2.waitKey(0)
print(f'key = {key} ({chr(key)})')

key = 27 ()

이진화 코드 : threshold() 함수

• threshold 함수는 입력한 영상 데이터에 대해 임계값 필터링을 수행하여 이진영상을 생성

• 함수 : `cv2.threshold(src, thresh, maxval, type)
• 매개변수
  • src (numpy.ndarray) : 입력 영상 데이터
  • thresh : 임계값 (threshold value)
  • maxval : THRESH_BINARY & THRESH_BINARY_INV에서 사용할 최대값
  • type : 임계값 필터링 종류 (Trheshold Type)
• 리턴값 : 출력 영상데이터 (numpy.ndarray)

if __name__ == '__main__':
    src = cv2.imread('./images/Lenna.jpg', cv2.IMREAD_GRAYSCALE)
    src = cv2.cvtColor(src, cv2.COLOR_BGR2RGB)
    plt_show('origin_img', src)

    _, THRESH_BINARY = cv2.threshold(src, 160, 255, cv2.THRESH_BINARY)
    plt_show('THRESH_BINARY', THRESH_BINARY)

    _, THRESH_BINARY_INV = cv2.threshold(src, 160, 255, cv2.THRESH_BINARY_INV)
    plt_show('THRESH_BINARY_INV', THRESH_BINARY_INV)

    _, THRESH_TRUNC = cv2.threshold(src, 160, 255, cv2.THRESH_TRUNC)
    plt_show('THRESH_TRUNC', THRESH_TRUNC)

    _, THRESH_TOZERO = cv2.threshold(src, 160, 255, cv2.THRESH_TOZERO)
    plt_show('THRESH_TOZERO', THRESH_TOZERO)
    
    _, THRESH_TOZERO_INV = cv2.threshold(src, 160, 255, cv2.THRESH_TOZERO_INV)
    plt_show('THRESH_TOZERO_INV', THRESH_TOZERO_INV)

Week 4

기하학적 변환

기본 변환 - Scaling

크기변환 - 확대 및 축소

• 영상의 크기를 변경하는 처리
• OpenCV에서는 cv2.resize() 함수를 사용하여 크기를 변환
• 픽셀값 보간 과정에서는 최소 이웃 보간법(nearest neighbor interpolation), 양방향 선형 보간법(bilinear interpolation), Cubic 보간법(cubic interpolation) 방법들을 많이 사용

영상 크기 변환 함수 : resize() 함수

• 입력된 영상 데이터에 대하여 크기를 변환
• 함수명 : cv2.resize(src, dsize, fx, fy, interpolation)
• 매개변수
  • src (numpy.ndarray) : 변환시킬 영상 데이터
  • dsize : 가로, 세로, 형태의 튜플 ex) (100, 200)
  • fx : 가로 크기의 배수, 2배로 크게 하려면 2, 반으로 줄이려면 0.5
  • fy : 세로 크기의 배수, 2배로 크게 하려면 2, 반으로 줄이려면 0.5
  • interpolation : 보간법 방식
    • cv2.INTER_NEAREST : 최소 근접 보간
    • cv2.INTER_LINEAR : 양방향 선형 보간
    • cv2.INTER_CUIBIC : 양방향 선형 보간
    • cv2.INTER_AREA : 픽셀 리샘플링 보간
    • cv2.INTER_LANCZOS4 : Lanczos 보간
    • cv2.INTER_LINEAR_EXACT : Bit exact bilinear interpolation
    • cv2.INTER_NEAREST_EXACT : Bit exact nearest neighbor interpolation
• 리턴값 : 출력 영상 데이터 (numpy.ndarray)

# Scailing
if __name__ == '__main__':
    ori_img = cv2.imread('../images/Lenna.jpg', cv2.IMREAD_UNCHANGED)
    ori_img = cv2.cvtColor(ori_img, cv2.COLOR_BGR2RGB)

    rs_img = cv2.resize(ori_img, (64, 64), interpolation=cv2.INTER_LINEAR)
    plt_show('128x64 image', rs_img)

    z_img1 = cv2.resize(rs_img, (512, 512), interpolation=cv2.INTER_NEAREST)
    z_img2 = cv2.resize(rs_img, None, fx=8, fy=8, interpolation=cv2.INTER_NEAREST)
    z_img3 = cv2.resize(rs_img, None, fx=8, fy=8, interpolation=cv2.INTER_CUBIC)
    z_img4 = cv2.resize(rs_img, None, fx=8, fy=8, interpolation=cv2.INTER_AREA)
    z_img5 = cv2.resize(rs_img, None, fx=8, fy=8, interpolation=cv2.INTER_LANCZOS4)
    z_img6 = cv2.resize(rs_img, None, fx=8, fy=8, interpolation=cv2.INTER_LINEAR_EXACT)
    z_img7 = cv2.resize(rs_img, None, fx=8, fy=8, interpolation=cv2.INTER_NEAREST_EXACT)

    plt_show('Nearest neighbor intp image', z_img1)
    plt_show('Bilinear intp image', z_img2)
    plt_show('Cubic intp image', z_img3)
    plt_show('Area intp image', z_img4)
    plt_show('lanczos intp image', z_img5)
    plt_show('linear_exact intp image', z_img6)
    plt_show('nearest_exact intp image', z_img7)

    

기본 변환 - Translation

이동 변환(Translation)

• 영상을 이동시키는 처리
• 정수형 이동시에는 보간이 불필요함 (실수형 이동시에 필요)
• OpenCV에서는 cv2.warpAffine() 함수를 사용하여 이동 변환

영상 어파인(Affine) 변환 함수 : warpAffine() 함수

• 입력된 영상 데이터에 대하여 지정한 어파인 변환 행렬에 따른 변환을 수행
• 변환 행렬이 이동 행렬일 경우 이동 변환을 수행

• 함수명 : cv2.warpAffine(src, M, dsize, dst, flags, borderMode, borderValue)
• 매개변수
  • src (numpy.ndarray) : 변환시킬 영상 데이터
  • M : (2x3) 변환 행렬
  • dsize : 가로, 세로, 형태의 튜플 ex) (100, 200)
  • dst : 출력 영상 데이터 (dszie 크기로 조정됨)
  • flags : 보간 방법과 역변환 방법 설정
  • borderMode : 픽셀 외삽(extracpolation) 방법 BorderTypes
    • cv2.BORDER_CONSTANT : iiiiii|abcdefgh|iiiiii 여기서 i는 지정한 borderValue
    • cv2.BORDER_REPLICATE : aaaaaa|abcdefgh|hhhhhh 경계 복사
    • cv2.BORDER_REFLECT : fedcba|abcdefgh|hgfedcb 경계부터 반사
    • cv2.BORDER_WRAP : cdefgh|abcdefgh|abcdefg 소실된 영역을 이동 변환
  • borderValue : BORDER_CONSTANT 경우 사용할 상수값 (기본값은 0)
• 리턴값 : 출력 영상 데이터 (numpy.ndarray)

if __name__ == '__main__':
    ori_img = cv2.imread("../images/Lenna.jpg", cv2.IMREAD_UNCHANGED)
    ori_img = cv2.cvtColor(ori_img, cv2.COLOR_BGR2RGB)
    plt_show('Original image', ori_img)
    
    rows, cols = ori_img.shape[:2] # channel 여부 무시
    Mat = np.float32([[1, 0, 30],[0, 1, 60]])
    t_image1 = cv2.warpAffine(ori_img, Mat, (cols, rows))
    # 이동된 여백 지정된 색으로
    t_image2 = cv2.warpAffine(ori_img, Mat, (cols, rows),
                              borderMode=cv2.BORDER_CONSTANT,
                              borderValue=(255,255,255))
    # 이동된 여백 경계면 늘이기
    t_image3 = cv2.warpAffine(ori_img, Mat, (cols, rows),
                              borderMode=cv2.BORDER_REPLICATE)
    # 이동된 여백 반전으로 채우기
    t_image4 = cv2.warpAffine(ori_img, Mat, (cols, rows),
                              borderMode=cv2.BORDER_REFLECT)
    # 이동된 여백 자투리 사진으로 채우기
    t_image5 = cv2.warpAffine(ori_img, Mat, (cols, rows),
                              borderMode=cv2.BORDER_WRAP)
    
    plt_show('Translation image - default', t_image1)
    plt_show('Translation image - BORDER_CONSTANT', t_image2)
    plt_show('Translation image - BORDER_REPLICATE', t_image3)
    plt_show('Translation image - BORDER_REFLECT', t_image4)
    plt_show('Translation image - BORDER_WRAP', t_image5)

기본 변환 - Rotation

회전 변환 (Rotation)

• 영상을 회전시키는 처리
• OpenCV에서는 cv2.warpAffine() 함수를 사용하여 회전 변환

if __name__ == '__main__':
    ori_img = cv2.imread("../images/Lenna.jpg", cv2.IMREAD_UNCHANGED)
    ori_img = cv2.cvtColor(ori_img, cv2.COLOR_BGR2RGB)
    plt_show('Original image', ori_img)
    rows, cols = ori_img.shape[:2] # channel 여부 무시
    # getRotationMatrix2D((센터 좌표 type: tuple), (회전각도 type: float),  (확대률 typel: float))
    Mat1 = cv2.getRotationMatrix2D((0, 0), 45, 1.0)
    Mat2 = cv2.getRotationMatrix2D((cols / 2, rows / 2), 45, 1.0)
    Mat3 = cv2.getRotationMatrix2D((cols / 2, rows / 2), 90, 1.0)
    r_image1 = cv2.warpAffine(ori_img, Mat1, (cols, rows))
    r_image2 = cv2.warpAffine(ori_img, Mat2, (cols, rows),
    borderMode=cv2.BORDER_REPLICATE)
    r_image3 = cv2.warpAffine(ori_img, Mat2, (cols, rows),
    borderMode=cv2.BORDER_DEFAULT)
    r_image4 = cv2.warpAffine(ori_img, Mat3, (cols, rows))
    plt_show('Rotation image - (0, 0), 45)', r_image1)
    plt_show('Rotation image - (w/2, h/2), 45 - replicate)', r_image2)
    plt_show('Rotation image - (w/2, h/2), 45 - default)', r_image3)
    plt_show('Rotation image - (w/2, h/2), 90', r_image4)

기본 변환 - Flip

대칭(Flip) 변환 또는 반사 (Reflection) 변환

• 기하학적으로 반사(reflection) 변환 형태로 특정한 축 기준의 대칭 변환ㅇ르 수행
• OpenCV에서는 cv2.flip() 함수를 사용하여 대칭 변환을 수행

영상 대칭 변환 함수 : flip() 함수

• 입력된 영상 데이터에 대하여 대칭 변환을 수행

• 함수명 : cv2.flip(src, flipCode)
• 매개변수
  • src(numpy.ndarray) : 변환시킬 입력영상 데이터
  • flipCode : 플립 방법을 지정하는 코드
    • x축 대칭 = 0
    • y축 대칭 = 양수
    • x축 및 y축 대칭 = 음수
• 리턴값 : 출력 영상 데이터 (numpy.ndarray)

if __name__ == '__main__':
    ori_img = cv2.imread("../images/Lenna.jpg", cv2.IMREAD_UNCHANGED)
    ori_img = cv2.cvtColor(ori_img, cv2.COLOR_BGR2RGB)

    f_image0 = cv2.flip(ori_img, 0)
    f_imagep1 = cv2.flip(ori_img, 1)
    f_imagem1 = cv2.flip(ori_img, -1)

    plt_show('ori img', ori_img)
    plt_show('flip img (up/down, 0)', f_image0)
    plt_show('flip img (left/right, 1)', f_image0)
    plt_show('flip img (y=x, -1)', f_image0)

어파인 변환(Affine)

어파인 변환 (Affine) 변환

• 평행선이 유지되는 영상 변환
• 어파인 변환에서는 이동, 확대, 크기 변환, 반전이 포함
• OpenCV에서는 cv2.warpAffine() 함수를 사용하여 어파인 변환

다양한 어파인 변환을 수행하는 코드

• 어파인 변환에 의한 영상 변환을 쉽게 확인하기 위하여 RGB 색상으로 각 변환 기준 점의 위치를 표시

import numpy as np
import cv2

ori_img = cv2.imread('./images/Lenna.jpg', cv2.IMREAD_UNCHANGED)
c_img = cv2.cvtColor(ori_img, cv2.COLOR_BGR2RGB)
plt_show('Origin Image', c_img)

rows, cols = ori_img.shape[:2] # channel 여부 무시

# pts1 좌표 표시
pts1 = np.float32([[200, 200], [300, 200], [200, 300]])

cv2.circle(c_img, (200, 200), 9, (255, 0, 0), -1)
cv2.circle(c_img, (300, 200), 9, (0, 255, 0), -1)
cv2.circle(c_img, (200, 300), 9, (0, 0, 255), -1)

pts2 = np.float32([[200, 200], [350, 200], [200, 250]])
Mat1 = cv2.getAffineTransform(pts1, pts2)
r_image1 = cv2.warpAffine(c_img, Mat1, (cols, rows))

pts2 = np.float32([[200, 200], [300, 230], [260, 300]])
Mat2 = cv2.getAffineTransform(pts1, pts2)
r_image2 = cv2.warpAffine(c_img, Mat2, (cols, rows))

pts2 = np.float32([[200, 200], [100, 170], [170, 100]])
Mat3 = cv2.getAffineTransform(pts1, pts2)
r_image3 = cv2.warpAffine(c_img, Mat3, (cols, rows))

plt_show('Affine 1 image', r_image1)
plt_show('Affine 2 image', r_image2)
plt_show('Affine 3 image', r_image3)

원근 변환(Perspective)

원근 변환

• 직선의 성질만 유지되고 평행선이 유지되지 않는 영상 변환
• OpenCV에서는 cv2.warpPerspective() 함수를 사용하여 원근 변환을 변환

if __name__ == '__main__':
    ori_img = cv2.imread("./images/Lenna.jpg", cv2.IMREAD_COLOR)
    ori_img = cv2.cvtColor(ori_img, cv2.COLOR_BGR2RGB)
    rows, cols = ori_img.shape[:2]  # channel 여부 무시
    # pts1 좌표 표시
    pts1 = np.float32([[80, 280], [400, 220], [250, 480], [60, 420]])
    cv2.circle(ori_img, (80, 280), 9, (255, 0, 0), -1)
    cv2.circle(ori_img, (400, 220), 9, (0, 255, 0), -1)
    cv2.circle(ori_img, (250, 480), 9, (0, 0, 255), -1)
    cv2.circle(ori_img, (60, 420), 9, (0, 255, 255), -1)
    cv2.line(ori_img, (0, 340), (511, 340), (255, 0, 0), 2)
    cv2.line(ori_img, (0, 380), (511, 380), (0, 0, 255), 2)
    pts2 = np.float32([[10, 10], [502, 10], [502, 502], [10, 502]])
    Mat1 = cv2.getPerspectiveTransform(pts1, pts2)
    print('Perspective matrix')
    print(Mat1)
    r_image = cv2.warpPerspective(ori_img, Mat1, (cols, rows))
    plt_show('Original image', ori_img)
    plt_show('Perspective image', r_image)

Perspective matrix
[[ 3.23187758e+00  4.47028347e-01 -3.74074102e+02]
 [ 5.45182861e-01  2.73071886e+00 -7.98571868e+02]
 [ 3.12600637e-03 -1.02027266e-03  1.00000000e+00]]